Elastic-Job：Elastic-Job作业分片是什么、Elastic-Job作业分片策略及源码分析、Elastic-Job自定义分片策略、Elastic-Job作业分片配置方式

最新推荐文章于 2023-02-08 21:40:30 发布

郝开

最新推荐文章于 2023-02-08 21:40:30 发布

阅读量1.7k

点赞数 1

分类专栏： # elastic job 文章标签： elastic job

本文链接：https://blog.csdn.net/qq_41929714/article/details/127924188

版权

elastic job 专栏收录该内容

3 篇文章 0 订阅

订阅专栏

Elastic-Job：Elastic-Job作业分片是什么、Elastic-Job作业分片策略及源码分析、Elastic-Job自定义分片策略、Elastic-Job作业分片配置方式

Elastic-Job作业分片是什么
Elastic-Job作业分片策略及源码分析
Elastic-Job自定义分片策略
Elastic-Job作业分片配置方式

Elastic-Job作业分片是什么

作业分片是指任务的分布式执行，需要将一个任务拆分为多个独立的任务项，然后由分布式的应用实例分别执行某一个或几个分片项。

如两台服务器，每台服务器跑一个应用实例，为了快速执行作业，可以将作业分成四片，每个应用实例各执行两片。

通过任务合理的分片化，从而达到任务并行处理的效果，最大限度的提高执行作业的吞吐量。

分布式调度一定要避免数据重复处理，因此要保证拿到的数据是不一样的

合理的分片化
分片是逻辑拆分，比如你要根据什么去拆分。
比如用性别分片，让A进程去处理男性的分片任务，让B进程去处理女性的分片任务。
真实场景分片到底怎么拆分逻辑是由应用开发者决定的。

分片项与业务处理解耦
Elastic-Job并不直接提供数据处理的功能，框架只会将分片项分配至各个运行中的作业服务器，开发者需要自行处理分片项与真实数据的对应关系。

就是说你的定时任务执行的业务逻辑，在方法体execute(ShardingContext shardingContext)，Elastic-Job提供了shardingContext.getShardingItem()来让你可以拿到分片参数，要由你自己 根据当前分片参数判断执行对应的业务逻辑方法 ，Elastic-Job只会将分片项分配至各个运行中的作业服务器。

最大限度利用资源
将分片设置为大于服务器的数量，最好是大于服务器倍数的数量，这样有利于作业将合理利用分布式资源，动态的分配分片项。

例如：3台服务器，分成10片，则分片项分配结果为服务器A=0，1，2；服务器B=3，4，5；服务器C=6，7，8，9。
如果服务器C宕机，则分片项分配结果为服务器A=0，1，2，3，4；服务器B=5，6，7，8，9。在不丢失分片项的情况下，最大限度的利用现有资源提高吞吐量。

Elastic-Job作业分片策略及源码分析

在这里插入图片描述

JobShardingStrategyFactory：分片策略工厂创建作业分片策略实例

作业进行分片计算时，作业分片策略工厂( JobShardingStrategyFactory ) 会创建作业分片策略实例：

public final class JobShardingStrategyFactory {

    /**
     * 获取作业分片策略实例.
     * 
     * @param jobShardingStrategyClassName 作业分片策略类名
     * @return 作业分片策略实例
     */
    public static JobShardingStrategy getStrategy(final String jobShardingStrategyClassName) {
        if (Strings.isNullOrEmpty(jobShardingStrategyClassName)) {
            return new AverageAllocationJobShardingStrategy();
        }
        try {
            Class<?> jobShardingStrategyClass = Class.forName(jobShardingStrategyClassName);
            if (!JobShardingStrategy.class.isAssignableFrom(jobShardingStrategyClass)) {
                throw new JobConfigurationException("Class '%s' is not job strategy class", jobShardingStrategyClassName);
            }
            return (JobShardingStrategy) jobShardingStrategyClass.newInstance();
        } catch (final ClassNotFoundException | InstantiationException | IllegalAccessException ex) {
            throw new JobConfigurationException("Sharding strategy class '%s' config error, message details are '%s'", jobShardingStrategyClassName, ex.getMessage());
        }
    }
}

分片策略JobShardingStrategy接口

在这里插入图片描述
com.dangdang.ddframe.job.lite.api.strategy.JobShardingStrategyFactory，作业分片策略接口。分片策略通过实现JobShardingStrategy接口的 sharding(…) 方法提供作业分片的计算。

public interface JobShardingStrategy {

    /**
     * 作业分片.
     * 
     * @param jobInstances 所有参与分片的单元列表
     * @param jobName 作业名称
     * @param shardingTotalCount 分片总数
     * @return 分片结果
     */
    Map<JobInstance, List<Integer>> sharding(List<JobInstance> jobInstances, String jobName, int shardingTotalCount);
}

Elastic-Job-Lite提供三种自带的作业分片策略

在这里插入图片描述
Elastic-Job-Lite 提供三种自带的作业分片策略（JobShardingStrategy的3个实现类）：

AverageAllocationJobShardingStrategy：基于平均分配算法的分片策略。
OdevitySortByNameJobShardingStrategy：根据作业名的哈希值奇偶数决定IP升降序算法的分片策略。
RotateServerByNameJobShardingStrategy：根据作业名的哈希值对作业节点列表进行轮转的分片策略。

AverageAllocationJobShardingStrategy：平均分配

全路径：
com.dangdang.ddframe.job.lite.api.strategy.impl.AverageAllocationJobShardingStrategy
策略说明：
基于平均分配算法的分片策略，也是默认的分片策略
如果分片不能整除，则不能整除的多余分片将依次追加到序号小的服务器。策略举例：
假设有3台服务器，
分成9片，则每台服务器分到的分片是：1【0，1，2】，2【3，4，5】，3【6，7，8】
分成8片，则每台服务器分到的分片是：1【0，1，6】，2【2，3，7】，3【4，5】
分成10片，则每台服务器分到的分片是：1【0，1，2】，2【3，4，5】，3【6，7，8】

AverageAllocationJobShardingStrategy 源码分析

public final class AverageAllocationJobShardingStrategy implements JobShardingStrategy {

    @Override
    public Map<JobInstance, List<Integer>> sharding(final List<JobInstance> jobInstances, final String jobName, final int shardingTotalCount) {
        // 不存在 作业运行实例
        if (jobInstances.isEmpty()) {
            return Collections.emptyMap();
        }
        // 分配能被整除的部分
        Map<JobInstance, List<Integer>> result = shardingAliquot(jobInstances, shardingTotalCount);
        // 分配不能被整除的部分
        addAliquant(jobInstances, shardingTotalCount, result);
        return result;
    }
}

shardingAliquot(…) 方法分配能被整除的部分

private Map<JobInstance, List<Integer>> shardingAliquot(final List<JobInstance> shardingUnits, final int shardingTotalCount) {
   Map<JobInstance, List<Integer>> result = new LinkedHashMap<>(shardingTotalCount, 1);
   int itemCountPerSharding = shardingTotalCount / shardingUnits.size(); // 每个作业运行实例分配的平均分片数
   int count = 0;
   for (JobInstance each : shardingUnits) {
       List<Integer> shardingItems = new ArrayList<>(itemCountPerSharding + 1);
       // 顺序向下分配
       for (int i = count * itemCountPerSharding; i < (count + 1) * itemCountPerSharding; i++) {
           shardingItems.add(i);
       }
       result.put(each, shardingItems);
       count++;
   }
   return result;
}

addAliquant(…) 方法分配能不被整除的部分：如果分片不能整除，则不能整除的多余分片将依次追加到序号小的服务器

private void addAliquant(final List<JobInstance> shardingUnits, final int shardingTotalCount, final Map<JobInstance, List<Integer>> shardingResults) {
   int aliquant = shardingTotalCount % shardingUnits.size(); // 余数
   int count = 0;
   for (Map.Entry<JobInstance, List<Integer>> entry : shardingResults.entrySet()) {
       if (count < aliquant) {
           entry.getValue().add(shardingTotalCount / shardingUnits.size() * shardingUnits.size() + count);
       }
       count++;
   }
}

OdevitySortByNameJobShardingStrategy：根据作业名的哈希值分配

全路径：
com.dangdang.ddframe.job.lite.api.strategy.impl.OdevitySortByNameJobShardingStrategy
策略说明：
根据作业名的哈希值的奇偶数决定IP升降序算法的分片策略，常用于不同作业平均分配在不同的服务器上。

作业名的哈希值为奇数则IP升序
作业名的哈希值为偶数则IP降序

AverageAllocationJobShardingStrategy的缺点是，一旦分片数小于作业服务器数，作业将永远分配至IP地址靠前的服务器，导致IP地址靠后的服务器空闲
OdevitySortByNameJobShardingStrategy可以根据作业名重新分配服务器。
策略举例：
假设有3台服务器，分成2片，
作业名称的哈希值为奇数，则每台服务器分到的分片是：1【0】，2【1】，3【】
作业名称的哈希值为偶数，则每台服务器分到的分片是：3【0】，2【1】，1【】

OdevitySortByNameJobShardingStrategy源码分析

public Map<JobInstance, List<Integer>> sharding(final List<JobInstance> jobInstances, final String jobName, final int shardingTotalCount) {
   long jobNameHash = jobName.hashCode();
   if (0 == jobNameHash % 2) {
   	   //判断到作业名的哈希值为偶数时，进行数组反转
       Collections.reverse(jobInstances);
   }
   return averageAllocationJobShardingStrategy.sharding(jobInstances, jobName, shardingTotalCount);
}

jobInstances 已经是按照 IP 进行降序的数组。所以当判断到作业名的哈希值为偶数时，进行数组反转( Collections#reverse(…) )实现按照 IP 升序。下jobInstances 按照 IP 进行降序在这里处理：

public List<String> getChildrenKeys(final String key) {
   try {
       List<String> result = client.getChildren().forPath(key);
       Collections.sort(result, new Comparator<String>() {
       @Override
       public int compare(final String o1, final String o2) {
           return o2.compareTo(o1);
       }
   });
   return result;
   } catch (final Exception ex) {
       RegExceptionHandler.handleException(ex);
       return Collections.emptyList();
   }
}

RotateServerByNameJobShardingStrategy：根据作业名的哈希值对作业节点列表进行轮转的分片策略

全路径：
com.dangdang.ddframe.job.lite.api.strategy.impl.OdevitySortByNameJobShardingStrategy
策略说明：
根据作业名的哈希值对作业节点列表进行轮转的分片策略
策略举例：
假设有3台服务器，顺序为【0, 1, 2】，如果作业名的哈希值根据作业分片总数取模为 1, 作业节点顺序变为【1, 2, 0】。

RotateServerByNameJobShardingStrategy源码分析

public final class RotateServerByNameJobShardingStrategy implements JobShardingStrategy {

    private AverageAllocationJobShardingStrategy averageAllocationJobShardingStrategy = new AverageAllocationJobShardingStrategy();

    @Override
    public Map<JobInstance, List<Integer>> sharding(final List<JobInstance> jobInstances, final String jobName, final int shardingTotalCount) {
        return averageAllocationJobShardingStrategy.sharding(rotateServerList(jobInstances, jobName), jobName, shardingTotalCount);
    }

    private List<JobInstance> rotateServerList(final List<JobInstance> shardingUnits, final String jobName) {
        int shardingUnitsSize = shardingUnits.size();
        int offset = Math.abs(jobName.hashCode()) % shardingUnitsSize; // 轮转开始位置
        if (0 == offset) {
            return shardingUnits;
        }
        List<JobInstance> result = new ArrayList<>(shardingUnitsSize);
        for (int i = 0; i < shardingUnitsSize; i++) {
            int index = (i + offset) % shardingUnitsSize;
            result.add(shardingUnits.get(index));
        }
        return result;
    }
}

调用 rotateServerList(…) 实现作业节点数组轮转。

调用 AverageAllocationJobShardingStrategy.sharding(…) 方法完成最终作业分片计算。

Elastic-Job自定义分片策略

某些场景需要实现自定义的作业分片策略。通过定义类实现 JobShardingStrategy 接口即可：

public final class OOXXShardingStrategy implements JobShardingStrategy {

    @Override
    public Map<JobInstance, List<Integer>> sharding(final List<JobInstance> jobInstances, final String jobName, final int shardingTotalCount) {
        // 实现逻辑
    }
}

实现后，配置实现类的全路径到 Lite作业配置( LiteJobConfiguration )的 jobShardingStrategyClass 属性。

Elastic-Job作业分片配置方式

与配置通常的作业属性相同，在spring命名空间或者JobConfiguration中配置jobShardingStrategyClass，属性值是作业分片策略类的全路径。

分片策略配置xml方式

<?xml version="1.0" encoding="UTF-8"?>
<beans xmlns="http://www.springframework.org/schema/beans"
       xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
       xmlns:reg="http://www.dangdang.com/schema/ddframe/reg"
       xmlns:job="http://www.dangdang.com/schema/ddframe/job"
       xsi:schemaLocation="http://www.springframework.org/schema/beans
                        http://www.springframework.org/schema/beans/spring-beans.xsd
                        http://www.dangdang.com/schema/ddframe/reg
                        http://www.dangdang.com/schema/ddframe/reg/reg.xsd
                        http://www.dangdang.com/schema/ddframe/job
                        http://www.dangdang.com/schema/ddframe/job/job.xsd
                        ">
    <!--configure registry center -->
    <reg:zookeeper id="regCenter" server-lists="localhost:2181" namespace="dd-job" base-sleep-time-milliseconds="1000" max-sleep-time-milliseconds="3000" max-retries="3" />

    <!--configure job -->
    <job:simple id="mySimpleJob" class="com.javacore.job.MySimpleJob" registry-center-ref="regCenter" cron="0/10 * * * * ?" sharding-total-count="3" sharding-item-parameters="0=A,1=B,2=C" job-sharding-strategy-class="com.dangdang.ddframe.job.lite.api.strategy.impl.AverageAllocationJobShardingStrategy"/>
</beans>

分片策略配置java方式

// 定义Lite作业根配置
LiteJobConfiguration simpleJobRootConfig = LiteJobConfiguration.newBuilder(simpleJobConfig).jobShardingStrategyClass("com.dangdang.ddframe.job.lite.api.strategy.impl.AverageAllocationJobShardingStrategy").overwrite(true).build();

郝开

关注

1
点赞
踩
4

收藏

觉得还不错? 一键收藏
0
评论
Elastic-Job：Elastic-Job作业分片是什么、Elastic-Job作业分片策略及源码分析、Elastic-Job自定义分片策略、Elastic-Job作业分片配置方式

某些场景需要实现自定义的作业分片策略。// 实现逻辑 } }实现后，配置实现类的全路径到 Lite作业配置( LiteJobConfiguration )的 jobShardingStrategyClass 属性。
复制链接

扫一扫